blog92@web:~$ grep -rl "#LLM" posts/

#LLM

이 태그가 달린 글

8 ENTRIES

tags/llm/

ALL TAGS · 382

에이전트는 "모델이 도구 호출을 요청 → 앱이 실행 → 결과를 돌려줌"을 끝날 때까지 반복하는 while 루프다. 모델은 아무것도 직접 실행하지 않으며, MCP는 이 도구들을 표준 방식으로 꼽아 쓰게 해 주는 프로토콜이다.

2026-10-13

[ai]

ai-08-agents-tools-and-mcp.md

컨텍스트 엔지니어링은 "모델이 일하는 순간에 필요한 정보만, 필요한 만큼, 적절한 순서로" 보이게 하는 설계다. 항상 필요한 것은 규칙 파일에, 가끔 필요한 것은 검색으로, 작업 중 알게 된 것은 메모로 관리한다.

2026-10-13

[ai]

ai-07-context-engineering.md

좋은 프롬프트는 화려한 문장이 아니라, 새로 들어온 유능한 동료에게 주는 업무 지시서다. 목표, 맥락, 제약, 완료 기준, 출력 형식 다섯 가지를 구분해 쓰면 대부분의 품질 문제가 해결된다.

2026-10-13

[ai]

ai-06-prompt-engineering-for-coding.md

컨텍스트 윈도우는 "넣을 수 있는 최대치"일 뿐 "넣어야 할 양"이 아니다. 컨텍스트가 길어질수록 비용은 늘고 정확도는 떨어지므로, 필요한 것만 넣고 자주 비우는 습관이 실력이다.

2026-10-13

[ai]

ai-05-context-window-and-parameters.md

비용은 "내가 보낸 토큰(입력) + 모델이 만든 토큰(출력)"으로 매겨지고, 출력이 입력보다 5배 비싸다. 대화형 도구는 매 턴마다 이전 대화 전체를 다시 보내므로, 대화가 길어질수록 비용은 가파르게 늘고, 프롬프트 캐싱이 그 비용을 크게 줄인다.

2026-10-13

[ai]

ai-04-tokens-and-pricing.md

오늘날의 코딩 모델은 "인터넷 전체를 읽힌 뒤(사전학습), 대화하는 법을 가르치고(파인튜닝), 테스트를 통과하는 코드를 쓸 때마다 보상한(강화학습)" 결과물이다. 각 단계를 알면 모델의 강점과 버릇이 설명된다.

2026-10-13

[ai]

ai-03-how-models-are-made.md

트랜스포머는 모든 토큰이 다른 모든 토큰을 "둘러보고" 서로 얼마나 관련 있는지 계산하는 구조(어텐션)다. 이 구조 때문에 긴 입력은 비싸고, 맥락의 배치가 결과를 바꾼다.

2026-10-13

[ai]

ai-02-transformer-and-attention.md

LLM은 "지금까지의 글 다음에 올 토큰 하나"를 확률로 고르는 일을 수천 번 반복하는 프로그램이다. 이 한 문장이 이후 모든 편의 출발점이다.

2026-10-13

[ai]

ai-01-big-picture.md